重要新闻

我很高兴宣布，MAGSAC++已被包含在OpenCV中。您可以在这里检查文档。Dmytro Mishkin提供了OpenCV MAGSAC++与其他鲁棒估计器的比较链接。

MAGSAC和MAGSAC++算法，无需使用单个内点-外点阈值进行鲁棒模型拟合

提出MAGSAC和MAGSAC++算法，用于无需单个内点-外点阈值进行鲁棒模型估计。

MAGSAC论文可在链接找到。

MAGSAC++可在链接找到。

这两个方法在RANSAC的最新发展演示中进行了说明，该演示来自CVPR教程RANSAC 2020。

在相应的演示中展示了关于单应性、基本矩阵、本质矩阵和6D姿态估计的实验。

在OpenCV 3.46和4.3上进行了测试。要使用示例运行可执行文件，请复制“data”文件夹到可执行文件旁边或在main()函数中设置路径。

如果您使用了此算法，请引用

@inproceedings{barath2019magsac,
	author = {Barath, Daniel and Matas, Jiri and Noskova, Jana},
	title = {{MAGSAC}: marginalizing sample consensus},
	booktitle = {Conference on Computer Vision and Pattern Recognition},
	year = {2019},
}

@inproceedings{barath2019magsacplusplus,
	author = {Barath, Daniel and Noskova, Jana and Ivashechkin, Maksym and Matas, Jiri},
	title = {{MAGSAC}++, a fast, reliable and accurate robust estimator},
	booktitle = {Conference on Computer Vision and Pattern Recognition},
	year = {2020},
}

使用pip从PyPI安装

为Python 3.8 - 3.11提供了Windows和Linux的预编译轮子，您可以使用以下命令安装

pip install magsac

感谢@akaszynski的贡献。

C++安装

要构建和安装仅限C++的MAGSAC/MAGSAC++，请克隆或下载此存储库，然后使用CMAKE构建项目。

$ git clone https://github.com/danini/magsac --recursive
$ cd build
$ cmake ..
$ make

安装Python包并编译C++

python3 ./setup.py install

或

pip3 install -e .

示例项目

要构建展示基本矩阵、单应性矩阵和本质矩阵拟合的示例项目，在CMAKE创建项目时设置变量CREATE_SAMPLE_PROJECT = ON。

在可执行文件旁边，复制data文件夹，并创建一个results文件夹。

Jupyter Notebook示例

单应性矩阵拟合的示例位于：notebook。

基本矩阵拟合的示例位于：notebook。

本质矩阵拟合的示例位于：notebook。

比较不同采样器在基本矩阵估计中性能的示例位于：notebook。

要求

• Eigen 3.0或更高版本
• CMake 2.8.12或更高版本
• OpenCV 3.0或更高版本
• 支持C++17的现代编译器
• GFlags

MAGSAC++的性能

MAGSAC++根据"2020年RANSAC" CVPR教程的实验是业界领先。

MAGSAC的性能

MAGSAC根据最近的研究Yin等人"Image Matching across Wide Baselines: From Paper to Practice", 2020是业界领先。